问通过Python理解unix时代时间的差异
EN

Stack Overflow用户

提问于 2017-05-20 05:05:58

回答 2查看 1.8K关注 0票数 1

我一直试图找出如何生成与测量条目旁边的InfluxDB中相同的Unix时代时间。

首先，我要说，我试图在所有测试中使用相同的日期和时间：

April 01, 2017 at 2:00AM CDT

如果我在InfluxDB中看到一个度量，我会看到时间戳，例如：

1491030000000000000

如果我在InfluxDB中使用-precision rfc3339查看该度量，则如下所示：

2017-04-01T07:00:00Z

所以我可以看到InfluxDB使用了UTC

但是，我似乎不能通过Python生成相同的时间戳。

例如，我尝试了几种不同的方法：

>>> calendar.timegm(time.strptime('04/01/2017 02:00:00', '%m/%d/%Y %H:%M:%S'))
1491012000

>>> calendar.timegm(time.strptime('04/01/2017 07:00:00', '%m/%d/%Y %H:%M:%S'))
1491030000

>>> t = datetime.datetime(2017,04,01,02,00,00)
>>> print "Epoch Seconds:", time.mktime(t.timetuple())
Epoch Seconds: 1491030000.0

上面的最后两个示例至少给出了相同的数字，但它比InfluxDB的要短得多。我假设这与精度有关，InfluxDB会把事情归结为纳秒吗？

Python Result: 1491030000
Influx Result: 1491030000000000000

如果我试图使用Python的结果在InfluxDB中输入一个度量，它最终会显示如下：

1491030000 = 1970-01-01T00:00:01.49103Z

所以我得加上额外的九分。

我认为在Python中有几种方法可以编程地完成这个任务，如果它就像在结果中添加9个0一样简单。但是我想知道为什么我不能在一次转换中生成相同的精度级别。

我有一个CSV文件，里面有大量的旧时间戳，简单地说是"4/1/17 2:00“。每天凌晨2点都有测量。

我需要能够将其转换成InfluxDB需要"1491030000000000000“才能插入所有这些旧度量的适当格式。

更好地理解发生了什么以及为什么要比如何在Python中以编程方式解决这个问题更重要。尽管我很感激能同时做这两件事的回复:解释问题和我看到的是什么，以及为什么，以及关于如何使用CSV的一个列，其中包含"4/1/17 2:00“的时间戳，并将它们转换为"1491030000000000000”的时间戳，无论是在单独的文件中还是在第二列中。

unix

influxdb-python

python

csv

回答 2

Stack Overflow用户

回答已采纳

发布于 2017-05-20 06:04:45

像这样的事情应该能解决你目前的问题。我没有测试csv来测试这个，但是它可能对你有用。它将接受您放置在"old.csv“位置的任何csv文件，并以纳秒为单位创建第二个带有时间戳的csv。

import time
import datetime
import csv

def convertToNano(date):
    s = date
    secondsTimestamp = time.mktime(datetime.datetime.strptime(s, "%d/%m/%y %H:%M").timetuple())
    nanoTimestamp = str(secondsTimestamp).replace(".0", "000000000")
    return nanoTimestamp
with open('old.csv', 'rb') as old_csv:
    csv_reader = csv.reader(old_csv)
    with open('new.csv', 'wb') as new_csv:
        csv_writer = csv.writer(new_csv)
        for i, row in enumerate(csv_reader):
            if i != 0:
                # Put whatever rows the data appears in and the row you want the data to go in here
                row.append(convertToNano(row[<location of date in the row>]))
                csv_writer.writerow(row)